典型文献
引入注意力机制的自监督光流计算
文献摘要：
光流计算是诸多计算机视觉系统的关键模块，广泛应用于动作识别、机器人定位与导航等领域。但目前端到端的光流计算仍受限于数据源的缺少，尤其是真实场景下的光流数据难以获取。人工合成的光流数据占绝大多数，且合成数据不能完全反应真实场景(如树叶晃动、行人倒影等)，难以避免过拟合等情况。无监督或自监督方法可以利用海量的视频数据进行训练，摆脱了对数据集的依赖，是解决数据集缺少的有效途径。基于此搭建了一个自监督学习光流计算网络，其中的“Teacher”模块和“Student”模块集成了最新光流计算网络：稀疏相关体网络(SCV)，减少了计算冗余量；同时引入注意力模型作为网络的一个节点，以提高图像特征在通道和空间上的维度属性。将SCV与注意力机制集成在自监督学习光流计算网络之中，在KITTI 2015数据集上的测试结果达到或超过了常见的有监督训练网络。
文献关键词：
光流计算;自监督学习;卷积注意力模块;空间/通道注意力;稀疏相关体
中图分类号：
作者姓名：
安峰;戴军;韩振;严仲兴
作者机构：
苏州工业园区服务外包职业学院人工智能学院,江苏 苏州 215123;同济大学经济与管理学院,上海 210092
文献出处：
引用格式：
[1]安峰;戴军;韩振;严仲兴-.引入注意力机制的自监督光流计算
)[J].图学学报,2022(05):841-848
A类：
稀疏相关体
B类：
注意力机制,光流计算,算是,计算机视觉,视觉系统,动作识别,机器人定位,端到端,受限于,数据源,真实场景,流数据,人工合成,合成数据,树叶,晃动,倒影,难以避免,过拟合,无监督,监督方法,用海,视频数据,自监督学习,计算网络,Teacher,Student,模块集成,新光,SCV,余量,注意力模型,图像特征,KITTI,有监督,卷积注意力模块,通道注意力
AB值：
0.322727
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
